" 云启·踏浪AGI

面对AI巨浪，回归理性、迈步实践，才会带来更大的讨论空间。

本周，以AGI+为主题的硅谷之旅仍在继续。云启前沿科技团队投资人Emily通过深入观察与多方交流，总结了多家大厂正如何应对AI所带来的挑战与机遇。希望我们的观察与思考能带来新的启发。

（也欢迎好观点、好项目添加我们首席信息官云小启，随时来聊~微信ID：Yunxiaoqi2014）

1

观察一：该把「控制成本」列入优先事项了

我们注意到，微调大模型时的成本控制是每一个行业都面临的挑战。在与来自不同背景、不同行业的团队交流之后，我们认为LoRA（low-rank adaptation）技术被认为是目前较为可行的解决方案。

LoRA 提出，为了用最小的成本达到微调大模型的目的，可以冻结原始预训练模型的参数，仅更新训练新增的小量级参数。与原始大模型的千亿参数量（比如 GPT3的参数量有 175B）相比，LoRA 将需要训练的参数量减小了 10,000 倍。

2

观察二：+AI，先抢市场份额

AI能切实降本增效的前景，正让不少客户感到兴奋——在上一篇「FutureScope」中我们已提到，已有SaaS公司依靠接入大模型获得超高转化率。

大厂也决定抓住这一市场情绪，迅速扩大市场份额。我们观察到，目前Microsoft底层模型基本依赖OpenAI，而在接入大模型后，Microsoft开始以更低的价格打包出售Teams、Power BI、Azure等应用层产品。Google也并未放松对云市场的争夺。I/O大会上，Google所发布的大模型已经覆盖到了自身的产品应用，这些产品应用包括文档等办公产品，也更包括和底层云计算的打通。

在交流中我们还发现，已经迅速推出GPT产品的SaaS公司，大部分都选择先接入OpenAI的大模型、再逐步训练垂类小模型。「6个月」是不少公司大致预设的产品检验期。

3

观察三：前提是「真业务」驱动

对于已经占据一定市场份额、建立护城河的SaaS公司，拥抱新AI是必选，让AI平滑嵌入已有工作流程则是必选项之前的前提条件。

我们发现，垂类SaaS公司对于仅以AI技术去撬动新的业务场景是谨慎的，投入资源进行单一场景下的产品试验回报率并不高。此外，写邮件、简单的数据分析等"工具类产品"虽然正是大模型的优势，但这类产品很难继续延展至业务的上下游，也因此并无法加固公司已有的护城河。

我们还观察到，更多SaaS公司的优先战略是借力LLM打通更多数据库，更深层挖掘数据价值。

4

观察四：人才，人才，人才

硅谷对于人才的争夺愈发白热化。我们注意到，关键人才的去留也在一定程度上决定了公司的战略重点。麦肯锡近日发布的的AI人才地图报告中指出，招聘市场上，数据科学家、数据工程师、AI工程师、AI产品经理的热度正迅速攀升。即使公开表示"对于AI保持谨慎"的Apple，也已开放多个AIGC生成岗位。

我们还发现，越来越多公司开始重视对内的AI培训。在「浪潮AGI+」系列沙龙中，多位创业者同样提到，员工通过掌握AI技术、探索AI的新可能，已经帮助企业找到多种提高效率的新方式。

5

观察五：安全问题永远高悬

AIGC生成的内容越来越"真假难辨"，国内外的社交媒体上，均已出现用新技术进行的网络诈骗。在硅谷的各类峰会、产业交流中，越来越多的人认为，AI的进一步发展需要更强有力的监管措施提前介入。

对于数据安全的保护，也是客户对于是否要接入大模型的重要考虑因素。我们认为，对比Microsoft和OpenAI，Azure在数据保护、合规措施方面比OpenAI好，因此长期来看，Azure面对B端客户优势更大。Google也已发布了Security AI Workbench，在承诺确保对客户的一切数据履行隐私承诺的基础上，为其安全产品提供进一步支持。

---

技术奇点必将带来深远影响，但在产业中，真变化的发生需要时间。我们基于全球视角的观察与思考会继续进行，也期待与同样热爱思考的你一起交流、一起实践。下期「硅谷FutureScope」见～